超越指示任务：基于眼动追踪识别课堂上野生态阅读行为
人机交互
2025-01-31 v1 人工智能
摘要
理解读者行为，如 skim 阅读、深度阅读和扫描阅读，对于改进教育指令至关重要。虽然 prior的眼动研究已训练模型来识别阅读行为，但它们通常依赖于指示阅读任务，这些任务会改变自然行为，并限制了这些发现在野生态环境中的适用性。此外，文献中缺乏对阅读行为原型的清晰定义。我们进行了一次课堂研究，以解决这些问题，通过收集指示性阅读数据和野生态阅读数据。我们开发了一种混合方法框架，包括人类驱动的理论模型、统计分析和AI分类器，基于速度、密度和顺序性来区分阅读行为。我们的轻量级2D CNN实现了0.8的 F1 分数，实现了野生态阅读的行为识别，为理解野生态阅读提供了稳健的方法。这一工作增强了我们为教育者提供详细行为见解的能力，支持更精准和有效的评估和指令。
引用
@article{arxiv.2501.18468,
title = {Beyond Instructed Tasks: Recognizing In-the-Wild Reading Behaviors in the Classroom Using Eye Tracking},
author = {Eduardo Davalos and Jorge Alberto Salas and Yike Zhang and Namrata Srivastava and Yashvitha Thatigotla and Abbey Gonzales and Sara McFadden and Sun-Joo Cho and Gautam Biswas and Amanda Goodwin},
journal= {arXiv preprint arXiv:2501.18468},
year = {2025}
}
备注
24 pages, 16 figures, 6 tables, conference